×
卡斯滕·博茨（Carsten H.Botts）。;迈克尔·丹尼尔斯（Michael J.Daniels）。

一种灵活的贝叶斯多重曲线拟合方法。 （英语） Zbl 1452.62035号

计算。统计数据分析。 52，第12号，5100-5120（2008）。
摘要：我们使用混合效应回归样条对来自多个受试者的稀疏功能数据进行建模。在该模型中，任何受试者的期望值（以随机效应为条件）都可以写成总体曲线和受试者特定偏离该总体曲线的总和。总体曲线和特定主题偏差都被建模为自由节点b样条曲线，分别具有位于（mathbf t_k）和（mathbf-t{k^{prime}}）的节点。为了确定“自由”结的数量和位置，我们使用可逆跳跃MCMC方法从后验\（p（k，\mathbf t_k，k^｛\prime｝，\mathbf t_｛k^｛\prime｝｝|y）\）中进行采样。然而，由于模型协方差结构的灵活性，从这种后验分布中进行采样是复杂的。协方差参数（psi）和（sigma^{2}）没有任何限制（正定性除外），因此，不存在似然（p（y|k，mathbf t_k，k^{prime}，mathbf t_{k^{prime}}）的分析形式。在本文中，我们考虑了对（p（y|k，\mathbf t_k，k^{prime}，\mathbf t_{k^{prime}}）的两种近似，然后从相应的近似中抽取到（p（k，\ mathbf _tk，k_{prime{，\mathbf t_{prime}}|y））。我们还从（p（k，mathbf t_k，k^{prime}，mathbv t_{k^{prime}}，psi，sigma^2|y）中取样，该样本具有封闭形式的可能性。虽然从这个较大的后验点取样效率较低，但所得结的边缘分布是准确的，并允许我们评估每个近似的准确性。然后我们考虑一个实际的数据集，并探讨了（p（k，mathbf t_k，k^{prime}，mathbv t_{k^{prime}}，psi，sigma^2|y）和更精确的近似值（p（k，mathbf-tk，k_{prime{，mathbf t_k^{prime}}|y）之间的差异。

引用于3文件

MSC公司：

62-08 统计问题的计算方法
2015年1月62日 贝叶斯推断
62兰特 功能数据分析

软件：

WinBUGS公司
PDF格式BibTeX公司 XML格式引用
\textit{C.H.Botts}和\textit{M.J.Daniels}，计算。统计数据分析。52，第12号，5100--5120（2008；Zbl 1452.62035）
全文： 内政部 链接

参考文献：

[1] 贝塞塔，S。；卡斯，R.E。；Wallstrom，G.L.，评估功能间变异性的层次模型，《生物统计学》，92，419-434（2005）·Zbl 1094.62029号
[2] 毕格罗，J.L。；Dunson，D.B.，层次数据的贝叶斯自适应回归样条，生物统计学，63724-732（2007）·Zbl 1147.62089号
[3] Botts，C.，2005年。单曲线和多曲线拟合中的贝叶斯方法。爱荷华州立大学博士论文；Botts，C.，2005年。单曲线和多曲线拟合中的贝叶斯方法。爱荷华州立大学博士论文
[4] Brumback，B.A。；Rice，J.，曲线嵌套和交叉样本分析的平滑样条模型，美国统计协会杂志，93，961-976（1998）·兹比尔1064.62515
[5] 克雷尼切努，C。；Ruppert，D。；Wand，M.P.，使用WinBUGS对惩罚样条回归进行贝叶斯分析，《统计软件杂志》，14（2005），第14条
[6] deBoor，C.，《样条实用指南》（1978年），Springer-Verlag:Springer-Verlag纽约市·Zbl 0406.41003号
[7] Draper，D.，《模型不确定性的评估和传播》，《皇家统计学会期刊》，B辑，57，45-97（1995）·Zbl 0812.62001号
[8] Demidenko，E.，《混合模型：理论与应用》（2004），John Wiley&Sons，Inc.：John Willey&Sons公司，新泽西州霍博肯·Zbl 1055.62086号
[9] Denison，D.G.T。；马利克，B.K。；Smith，A.F.M.，《自动贝叶斯曲线拟合》，《皇家统计学会杂志》，B辑，60，333-350（1998）·Zbl 0907.62031号
[10] 迪格尔，P.J.，《时间序列：生物统计学导论》（1990），牛津大学出版社：牛津大学出版社·Zbl 0727.62083号
[11] 迪马特奥，I。；Genovese，C.R。；Kass，R.E.，《自由节点样条曲线的贝叶斯曲线拟合》，《生物统计学》，88，1055-1071（2001）·Zbl 0986.62026号
[12] Dominici，F。；丹尼尔斯，M。；Zeger，S.L。；Samet，J.M.，《空气污染与死亡率：估算区域和国家剂量反应关系》，《美国统计协会杂志》，97，100-111（2002）·Zbl 1073.62575号
[13] Friedman，J.H.，多元自适应回归样条，《统计年鉴》，19，1-141（1991）·Zbl 0765.62064号
[14] Gelfand，A.E。；Dey，D.K.，《贝叶斯模型选择：渐近和精确计算》，《皇家统计学会杂志》，B辑，56，501-514（1994）·Zbl 0800.62170号
[15] Green，P.J.，可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定，生物统计学，82，711-732（1995）·Zbl 0861.62023号
[16] Halpern，E.F.，未知节数时的贝叶斯样条回归，英国皇家统计学会期刊，B辑，35347-360（1973）·Zbl 0267.62031号
[17] 哈斯蒂·T·J。；Tibshirani，R.J.，广义加性模型（1990），查普曼和霍尔：查普曼&霍尔博卡拉顿，佛罗里达·Zbl 0747.62061号
[18] Hooper，P.M.，异方差线性模型中的迭代加权最小二乘估计，美国统计协会杂志，88，179-184（1993）·Zbl 0772.62038号
[19] 詹姆斯·G·M。；哈斯蒂·T·J。；Sugar，C.A.，稀疏功能数据的主成分模型，Biometrika，87，587-602（2000）·Zbl 0962.62056号
[20] 卡斯，R.E。；Wasserman，L.，嵌套假设的参考贝叶斯检验及其与Schwarz标准的关系，美国统计协会杂志，90928-934（1994）·Zbl 0851.62020号
[21] Lindstrom，M.J.，自由节点样条的惩罚估计，计算与图形统计杂志，8，333-352（1999）
[22] Paciorek，C.J.，线性模型共轭先验中的错误信息及其对自由节点样条建模的影响，贝叶斯分析，1375-383（2006）·Zbl 1331.62365号
[23] Pauler，D.K.，正态线性模型的Schwarz准则和相关方法，Biometrika，85，13-27（1998）·兹比尔1067.62550
[24] Pourhamadi，M.，《应用于纵向数据的联合均值-方差协方差模型》，I：无约束参数化，生物统计学，86，677-690（1999）·Zbl 0949.62066号
[25] Raftery，A.E。；Madigan，D。；Volinsky，C.T.，《生存分析中模型不确定性的考虑提高了预测性能》（讨论），（Bernardo，J.；Berger，J.，Dawid，A.；Smith，A.，Bayesian Statistics 5（1996），牛津大学出版社），323-349
[26] 赖斯，J。；Wu，C.，非均匀采样噪声曲线的非参数混合效应模型，生物统计学，57253-259（2001）·Zbl 1209.62061号
[27] Shi，M。；韦斯，R.E。；Taylor，J.M.G.，《使用灵活随机曲线分析艾滋病患者的儿科CD4计数》，应用统计，45151-163（1996）·兹比尔0875.62574
[28] 斯通，C.J。；Hansen，M。；科珀伯格，C。；Truong，Y.K.，《扩展线性建模中的多项式样条及其张量积》，《统计年鉴》，251371-1470（1997）·Zbl 0924.62036号
[29] Taplin，R.H.，时间序列的稳健似然计算，英国皇家统计学会期刊，B辑，55829-836（1993）·Zbl 0800.62542号
[30] 周，S。；Shen，X.，空间自适应回归样条和精确节点选择方案，美国统计协会杂志，96247-259（2001）·Zbl 1014.62049号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。